Makine Öğrenmesi
Bu bölümde makine öğrenmesi algoritmaları teorik ve pratik uygulamaları ile ele alınacaktır.
Zaman Serisi Derin Öğrenme Makine Öğrenmesi Python Teknik Uygulama Veri Bilimi

TEMPORAL FUSION TRANSFORMER

Bu yazımda sizlere Google’ın yakın zamanda geliştirmiş olduğu Temporal Fusion Transformer (TFT) mimarisini açıklamak ve Python’da örnek bir veri seti üzerinden uygulama yapmak istiyorum. Gün...

Zaman Serisi Derin Öğrenme Makine Öğrenmesi Python Teknik Uygulama Veri Bilimi

TEMPORAL FUSION TRANSFORMER

Bu yazımda sizlere Google’ın yakın zamanda geliştirmiş olduğu Temporal Fusion Transformer (TFT) mimarisini açıklamak ve Python’da örnek bir veri seti üzerinden uygulama yapmak istiyorum. Gün...

Makine Öğrenmesi model deployment

MLOps Nedir? Yeni Başlayanlar için Bir Rehber

Merhabalar. Bu yazımızda MLOps nedir? sorusunun cevabını arayacağız. MLOps’un açılımı Machine Learning Operations‘dır, odak noktası ise yapay öğrenme modellerinin canlı ortamlarda çalıştırılması sürecidir. MLOps, yazılımların...

İstatistik Çok Değişkenli İstatistik Makine Öğrenmesi Regresyon Teori Uygulamalı İstatistik

Alternatif Regresyon Yöntemleri: Lasso Regresyon

Lasso Regresyon, çoklu doğrusal regresyonda ortaya çıkan çoklu doğrusal bağlantı probleminin üstesinden gelmek için EKK yöntemine alternatif yanlı tahmin yöntemlerinden biridir.

Derin Öğrenme Genel bir bakış Makine Öğrenmesi Model Değerlendirme Python Sınıflandırma Uygulama Veri Bilimi Veri Görselleştirme Veri Ön İşleme

Derin Öğrenme ile BBC Haberlerinin Sınıflandırılması

Merhabalar! Bu yazımda derin öğrenme (deep learning) yöntemlerinden evrişimli sinir ağları (convolutional neural networks – CNN) ve uzun kısa süreli bellek (Long short-term memory – LSTM) modelini kullanarak çoklu sınıflandırma...

Regresyon Python

MXNet ile Derin Öğrenme 2.2: Softmax Regresyon (Uygulama)

Amazon firmasının oluşturduğu MXNET derin öğrenme kütüphanesi ile FashionMNIST veri setini softmax regresyon modeli ile eğitilmesi.

Sınıflandırma Teori Veri Bilimi Veri hazırlığı

Dengesiz Veri Setlerinde Modelleme

Standart bir sınıflandırıcı makine öğrenmesi algoritmasının amacı doğruluğu maksimize etmektir. Dengesiz veri setlerinde ise algoritma, veri sayısı çok olan sınıfı daha iyi öğrenecektir ve bu eğitimin sonucu çoğunluk sınıfı için düşük hata oranı, ancak azınlık sınıfı için daha yüksek hata oranı olacaktır.

Makine Öğrenmesi Model Değerlendirme model deployment

MLflow: Makine Öğrenmesi Hayat Döngüsü Platformu

Merhabalar bu yazımızda MLflow’u tanımaya çalışacağız. MLflow nedir sorusuna “MLflow, açık kaynaklı bir makine öğrenmesi hayat döngüsü platformudur.” şeklinde cevap verebiliriz. Makine öğrenmesi çalışmalarında; Bir...

Makine Öğrenmesi Teori Veri Bilimi

Boruta Algoritması ile Değişken Seçimi

Boruta veri setine eklediği gölge değişkenler ve iterasyonlu yapısı ile bir veri setinden önemli ve önemli olmayan değişkenlerin tarafsız ve istikrarlı bir şekilde seçilmesini sağlayan, Random Forest tabanlı değişken seçme yöntemidir.

Makine Öğrenmesi Regresyon Uygulama Veri Bilimi

MXNet ile Derin Öğrenme 2.1: Softmax Regresyon (Teori)

Herkese merhabalar, MXNet ile derin öğrenme serisine devam ediyoruz. İlk iki bölümde doğrusal regresyon konusunda teorik bilgiler paylaşıp python programlama dili ile uygulama yapmıştık. Bu...

Büyük Veri Doğrusal Regresyon Regresyon

MXNet ile Derin Öğrenme 1.2: Doğrusal (Linear) Regresyon (Uygulama)

Herkese merhabalar, MXNet ile derin öğrenme serisine devam ediyoruz. İlk bölümde doğrusal regresyon konusunda teorik bilgiler paylaşmıştık. Bu bölümde doğrusal regresyon konusunda MXNet kütüphanesini kullanarak...

×

Bir Şeyler Ara